Synthadoc

Synthadoc 是一个开源的 AI 原生维基引擎，其职责是将 PDF、网页、转录文本等原始文档，通过 LLM 合成结构化的 Markdown 维基页面。

Synthadoc 的内容健康扫描器刻意采用纯 Python 启发式规则，不依赖 LLM，通过确定性正则表达式识别重复章节、空章节、单薄章节、未闭合代码块等结构问题。

在 Synthadoc 的内容健康工作流中，LLM 读取页面、理解结构问题、产出修改建议，并最终影响持久化状态（写入维基）。

Synthadoc 团队设计了五步工作流：加载页面与问题清单、发送给 LLM 处理、展示前后对比、等待用户批准、写入前做快照。

Synthadoc 添加 `_is_draft()` 正则检测不完整思考的语言标记（如 TODO、FIXME、Expand to、Hmm,、Wait,、I'll、Let me 等），如有匹配则提议内容被标记，页面自动跳过。

Synthadoc 对 CLI 提供者路径设置了六个问题的硬跳过：超过六个结构问题的页面会被跳过修复，而 API 提供者走独立代码路径无此限制。

Synthadoc 的每个提议修复必须通过前后对比人工门禁审查，确认卡片显示页面 slug、问题摘要、原始内容前 2000 字符、提议内容前 2000 字符，以及批准/跳过按钮和五分钟超时自动拒绝。

Synthadoc 团队将 Agentic 系统的失效分为两类：类别 A 漂移（模型理解任务但应用了错误判断）和类别 B 幻觉（模型用自己的知识替代了任务本身）。

Synthadoc 引入 `_extract_md_from_response()` 预处理函数，剥离响应中第一个 `#` H1 标题之前的所有内容，将首个 H1 作为清洁边界恢复 Markdown 内容。

在 Synthadoc 观察到的失效一中，LLM 对关于开源运动的页面返回的'修复后'内容与原文毫无结构相似性，模型用自己的预训练知识重新写了一个维基页面。

在 Synthadoc 观察到的失效三中，当内容健康工作流通过基于 CLI 的智能体工具（如 opencode 或 Claude Code）路由时，响应文本中包含了 shell 命令输出和内部工具调用痕迹，模型绕过了构造的上下文直接读取磁盘上的实际文件。

在 Synthadoc 观察到的失效五中，模型默默'纠正'了原标题'## 大教堂与集市 (1999)'中的年份，删除年份因为它认为文章实际发表于 1997 年。